人工智能-搜索-阿里云开发者社区

开发者社区> 幸运券发放> 正文

人工智能-搜索

简介:
+关注继续查看

人工智能-搜索
搜索是人工智能很重要的一种解决问题的途径,以下对各种搜索进行一个分类总结。

首先是搜索的定义,我们要解决一个问题,要经过很多步骤才能达到最终的目标,搜索就是要找到这些步骤,即解决问题的方法。

搜索有其局限性,它必须依赖于现有的知识,它不能自己学习知识,人工智能解决问题的另外一种途径就是学习,通过学习可以创造或者吸取新的知识。

下面是正文

搜索(Search)
求解一个问题就是一系列动作,并且搜索是为达到目标寻找这些动作的过程。

针对不同数据结构:

图搜索

树搜索

经典搜索(Classic Search)
无信息搜索(uninformed search 即盲目搜索,没有除定义之外的信息)
按照节点的扩展顺序区分

宽度优先(breadth-first),用FIFO队列实现

深度优先(depth-first):拓展最深的未扩展节点,用LIFO队列实现

深度受限搜索(depth-limited):限制搜索深度

迭代加深搜索(iterative deepening):结合深度优先与宽度优先的优势

一致代价搜索(uninform-cost):扩展最低代价的未扩展节点

双向搜索(bidirectional )

无信息搜索的策略评价

完备性:是否总能找到一个存在的解

时间复杂性

空间复杂性

最优性:是否总能找到最优的解

有信息搜索(informed search 亦称启发式搜索,采用问题定义外的信息,能够找到比无信息搜索更有效的解)
最佳优先搜索(best-first):基于评价函数选择最优拓展节点,大多数该类算法还包括一个启发式函数

贪心搜索

A*搜索

以上的搜索是经典搜索,它们的特点是

可观测

确定性

已知环境

经典搜索保留搜索的路径,其路径就是问题的解

但在很多问题中,到达目标的路径不重要,因此就有了超越经典搜索

有路径-->无路径

超越经典搜索(Beyond Classical Search)
分为局部搜索与群体智能

局部搜索(local search)
不关注路径,搜索后不保留路径,其优点为

1.占用内存小

2.能在大的或者无限的空间中找到合理的解

爬山法(hill-climbing):一种迭代算法,开始时随机选取一解,对其不断优化

随机爬山法(Stochastic hill-climbing):向上移动的过程中随机选择,收敛速度慢

首选爬山法(First-choice hill-climbing):随机生成后继节点,直到出现更好的

随机重启爬山法(Random-restart hill-climbing):完备性高,接近于1

局部束搜索(Local Beam Search)

随机束搜索(Stochastic Beam Search)

禁忌搜索(Tabu Search)

三种策略

禁止策略(Forbidding strategy)

释放策略(Freeing strategy)

短期策略(Short-term strategy)

模拟退火(Simulated Annealing):一种在大搜索空间逼近全局最优解的元启发方法

遗传算法(Genetic Algorithms):一种模仿自然选择过程的启发式算法

群体智能(Swarm Intelligence)
通过大量智能体通过合作实现,它是分布式的、自组织的、在一个环境内分布的。

蚁群优化(Colony Optimization):受蚁群寻炸食物的行为的启发,用于发现一个图上的最佳路径

粒子群优化(Particle Swarm Optimization):受鱼类,鸟类群体行为的社会行为启发

单智能体-->多智能体

对抗搜索(Adversarial Search)
我们在针对其他智能体做规划时,那些智能体有可能也在做着规划

以上搜索针对单智能体,而对抗搜索针对多智能体

博弈(Game)
零和博弈(Zero sum games):智能体之间完全对立

非零和博弈(Non-zero sum games):智能体之间是自主的方式

完全信息(Perfect information)/不完全信息(Imperfect information)

确定性(Deterministic)/随机性(Stochastic)

剪枝 (Alpha-Beta Pruning)
博弈树的大小往往呈指数增加,通过剪枝,可以减小博弈树,加快搜索时间

启发评价函数(Heuristic Evaluation Function)
尽管通过剪枝可以去掉博弈树的大部分,但是搜索的深度依然很深,因此用评价函数计算在指定位置该博弈的期望值

随机博弈(Stochastic Game)
一种有一定概率转换的动态博弈

蒙特卡罗方法(Monte-Carlo Methods)
凭借重复随机采样来获得数值结果

蒙特卡罗树搜索(MCTS Monte-Carlo Tree Search)
将蒙特卡洛仿真与博弈树搜索相结合

约束满足问题(Constraint Satisfaction Problem)
状态必须满足若干约束的对象

标准搜索中状态不可分割,GSP中状态用因子表示,是一系列变量。

GSP问题通常复杂性很高

范畴

有限/无限

离散/连续

约束

线性/非线性

1元/多元

回溯搜索(Backtracking Search)
原文地址https://www.cnblogs.com/zhanghad/p/12483761.html

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
阿里云视觉智能开放平台--视觉搜索(图像搜索)使用教程
视觉搜索服务基于阿里云深度学习技术,进行视觉内容搜索,在指定图像图像库中搜索出相同或相似的视觉信息,适用于内容比对、内容精确查找、相似素材搜索等场景。
614 0
阿里云人工智能产品-图像搜索(商业化)发布
产品介绍: 图像搜索(Image Search)是以深度学习和机器视觉技术为核心,结合不同行业应用和业务场景,帮助用户在自建图库中实现相同或相似图片搜索的以图搜图服务。适用客户: 所有具有图像库,并有图像搜索需求的客户。
1243 0
阿里云服务器怎么设置密码?怎么停机?怎么重启服务器?
如果在创建实例时没有设置密码,或者密码丢失,您可以在控制台上重新设置实例的登录密码。本文仅描述如何在 ECS 管理控制台上修改实例登录密码。
10074 0
人工智能二维码识别
常见的二维码为QR Code,QR全称Quick Response,是一个近几年来移动设备上超流行的一种编码方式,它比传统的Bar Code条形码能存更多的信息,也能表示更多的数据类型。 二维码有很多开源的识别程序,比如zbar,zxing等,这些算法识别快,效率高但是对图片的要求较高,要求图片清晰,没有旋转扭曲等。
3168 0
夸克推出确诊患者同行程查询,智能搜索助力疫情科学防控
随着新冠肺炎疫情进展,出行带来的扩散风险牵动着万千民众的关注。日前,智能搜索APP夸克推出“新冠肺炎确诊同行程查询”功能,帮助公众便捷、及时了解信息,精准高效呈现权威发布的疫情动态,助力科学防控,共同抗击疫情。
492 0
python 人工智能开发
facebook pytorch 深度学习 python 自然语言处理库 facebook python caffe2 深度学习
1045 0
阿里云服务器如何登录?阿里云服务器的三种登录方法
购买阿里云ECS云服务器后如何登录?场景不同,阿里云优惠总结大概有三种登录方式: 登录到ECS云服务器控制台 在ECS云服务器控制台用户可以更改密码、更换系.
13882 0
+关注
幸运券发放
阿里云代金码bieryun.com
369
文章
3
问答
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载